在如今的軟件當中，緩存是解決很多問題的一個關鍵概念。你的應用可能會進行CPU密集型運算。你當然不想讓這些運算一邊又一邊的重復執行，相反，你可以只執行一次， 把這個結果放在內存中作為緩存。有時系統的瓶頸在I/O操作上，比如你不想重復的查詢數據庫，你想把結果緩存起來，只在數據發生變化時才去數據查詢來更新緩存。

與上面的情況類似，有些場合下我們需要進行快速的查找來決定如何處理新來的請求。例如，考慮下面這種情況，你需要確認一個URL是否指向一個惡意網站，這種需求可能會有很多。如果我們把所有惡意網站的URL緩存起來，那么會占用很大的空間。或者另一種情況，需要確認用戶輸入的字符串是包含了美國的地名。像“華盛頓的博物館”——在這個字符串中，華盛頓是美國的一個地名。我們應該把美國所有的地名保存在內存中然后再查詢嗎？那樣的話緩存會有多大？是否能在不使用數據庫的前提下來高效地完成？

這就是為什么我們要跨越基本的數據結構map，在更高級的數據結構像布隆過濾器（bloomfilter）中來尋找答案。你可以把布隆過濾器看做Java中的集合（collection），你可以往它里面添加元素，查詢某個元素是否存在（就像一個HashSet）。如果布隆過濾器說沒有這個元素，這個結果可能是錯誤的。如果我們在設計布隆過濾器時足夠細心，我們可以把這種出錯的概率控制在可接受范圍內。

解釋

布隆過濾器被設計為一個具有N的元素的位數組A（bit array），初始時所有的位都置為0.

添加元素

要添加一個元素，我們需要提供k個哈希函數。每個函數都能返回一個值，這個值必須能夠作為位數組的索引（可以通過對數組長度進行取模得到）。然后，我們把位數組在這個索引處的值設為1。例如，第一個哈希函數作用于元素I上，返回x。類似的，第二個第三個哈希函數返回y與z，那么：

A[x]=A[y]=A[z] = 1

查找元素

查找的過程與上面的過程類似，元素將會被會被不同的哈希函數處理三次，每個哈希函數都返回一個作為位數組索引值的整數，然后我們檢測位數組在x、y與z處的值是否為1。如果有一處不為1，那么就說明這個元素沒有被添加到這個布隆過濾器中。如果都為1，就說明這個元素在布隆過濾器里面。當然，會有一定誤判的概率。

算法優化

通過上面的解釋我們可以知道，如果想設計出一個好的布隆過濾器，我們必須遵循以下準則：

• 好的哈希函數能夠盡可能的返回寬范圍的哈希值。
• 位數組的大小（用m表示）非常重要：如果太小，那么所有的位很快就都會被賦值為1，這樣就增加了誤判的幾率。
• 哈希函數的個數（用k表示）對索引值的均勻分配也很重要。
</ul>

計算m的公式如下：

m = - nlog p / (log2)^2;

這里p為可接受的誤判率。

計算k的公式如下：

k = m/n log(2) ;

這里k=哈希函數個數，m=位數組個數，n=待檢測元素的個數（后面會用到這幾個字母）。

哈希算法

哈希算法是影響布隆過濾器性能的地方。我們需要選擇一個效率高但不耗時的哈希函數，在論文《更少的哈希函數，相同的性能指標：構造一個更好的布隆過濾器》中，討論了如何選用2個哈希函數來模擬k個哈希函數。首先，我們需要計算兩個哈希函數h1(x)與h2(x)。然后，我們可以用這兩個哈希函數來模仿產生k個哈希函數的效果：

gi(x) = h1(x) + ih2(x);

這里i的取值范圍是1到k的整數。

Google guava類庫使用這個技巧實現了一個布隆過濾器，哈希算法的主要邏輯如下：

long hash64 = …; //calculate a 64 bit hash function
//split it in two halves of 32 bit hash values  
int hash1 = (int) hash64;  
int hash2 = (int) (hash64 >>> 32);
//Generate k different hash functions with a simple loop
for (int i = 1; i <= numHashFunctions; i++) {
    int nextHash = hash1 + i * hash2;
}

應用

從數學公式中，我們可以很明顯的知道使用布隆過濾器來解決問題。但是，我們需要很好地理解布隆過濾器所能解決問題的領域。像我們可以使用布隆過濾器來存放美國的所有城市，因為城市的數量是可以大概確定的，所以我們可以確定n（待檢測元素的個數）的值。根據需求來修改p（誤判概率）的值，在這種情況下，我們能夠設計出一個查詢耗時少，內存使用率高的緩存機制。

實現

Google Guava類庫有一個實現，查看這個類的構造函數，在這里面需要設置待檢測元素的個數與誤判率。

import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;

//Create Bloomfilter
int expectedInsertions = ….;
double fpp = 0.03; // desired false positive probability
BloomFilter bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charset.forName("UTF-8")), expectedInsertions,fpp)</pre> 
更多資料


Bloom Filter Implementation in Java on GitHub

Google Guava BloomFilter

See Your Solr Cache Sizes: Eclipse Memory Analyzer
</ul>
  原文鏈接： javacodegeeks 翻譯： ImportNew.com - 劉 家財

譯文鏈接： http://www.importnew.com/13032.html